-
公开(公告)号：CN106772223A
公开(公告)日：2017-05-31
申请号：CN201611109952.2
申请日：2016-12-06
Applicant: 哈尔滨工业大学
IPC: G01S3/14
CPC classification number: G01S3/143
Abstract: 一种基于逻辑回归的单比特空间谱估计方法，涉及阵列信号处理中的空间谱估计领域和人工智能中的逻辑回归领域。解决了在单比特极端量化和超大规模天线阵情形，传统空间谱估计算法不仅计算量很大，而且精度较差的问题。本发明方法中首先对单比特接收数据进行建模获得样本模型，并将观测模型转化到实数域以便于后续处理。建模之后，将空间谱看成线性分类器的系数，将流型矩阵看成输入的样本，将阵列观测输出作为输入样本对应的输出，这样就把空间谱估计转化为一个线性分类问题。在本发明算法的最后，采用逻辑回归算法对该线性分类问题进行求解，得到的分类系数及对应于阵列输入信号产生的空间谱。本发明主要用于空间谱的估计。
-
公开(公告)号：CN106526565B
公开(公告)日：2019-02-22
申请号：CN201611109930.6
申请日：2016-12-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于支持向量机的单比特空间谱估计方法，涉及阵列信号处理中的空间谱估计领域和人工智能中的支持向量机领域。解决了在单比特极端量化和超大规模天线阵情形，传统空间谱估计算法不仅计算量很大，而且精度较差的问题。本发明将大规模天线阵中的单比特空间谱估计建模为一个人工智能中的分类问题，并采用支持向量机方法来求解来波信号的空间谱。本发明提出的算法相对于传统算法的优势在于提高了空间谱估计的精度以及简化了接收机结构，并且能够同时估计多个信号源的角度。本发明用于对空间谱进行估计。
-
公开(公告)号：CN106411795A
公开(公告)日：2017-02-15
申请号：CN201610933561.6
申请日：2016-10-31
Applicant: 哈尔滨工业大学
IPC: H04L25/02
CPC classification number: H04L25/0202 , H04L25/0242
Abstract: 一种非重构框架下的信号估计方法，属于认知无线电参数识别和估计领域。为了解决现有采用重构算法恢复信号时，存在重构速度慢，准确性差的问题。估计方法包括：建立采样信号循环谱向量 和采样信号循环自相关向量rx的联系；建立采样信号压缩测量值自相关向量rz和采样信号循环自相关向量rx的联系；建立采样信号压缩测量值自相关向量rz和采样信号循环谱向量 的关系；删除采样信号循环谱向量 中的冗余元素，获得简化后的采样信号循环谱向量利用采样信号压缩测量值自相关向量rz和基于块稀疏的正交匹配追踪算法，对简化后的采样信号循环谱向量 进行重构，获得原始信号循环谱；根据原始信号循环谱提取原始信号的参数信息。主要用于提取信号参数信息。
-
Patent Agency Ranking
公开(公告)号：CN107102292A
公开(公告)日：2017-08-29
申请号：CN201710464010.4
申请日：2017-06-19
Applicant: 哈尔滨工业大学
IPC: G01S3/14
Abstract: 一种基于贝叶斯方法的目标方位跟踪方法，属于阵列信号处理领域。解决了低信噪比情况下，基于空间类DOA跟踪方法精度差，以及粒子滤波DOA跟踪方法需要的已知条件过多的问题。在本发明利用泰勒展开公式，将角度慢变模式下的DOA跟踪建模为一个动态模型，并基于贝叶斯理论，将角度的跟踪转化为概率模型中的参数估计问题，根据前一时刻的信号到达角度、信号功率和噪声功率的估计值，以及当前时刻的观测值，利用EM算法，对前一时刻的信息进行校正，进而实现对信号到达角度的追踪。本发明主要用于对目标方位进行跟踪。
-
公开(公告)号：CN106526565A
公开(公告)日：2017-03-22
申请号：CN201611109930.6
申请日：2016-12-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于支持向量机的单比特空间谱估计方法，涉及阵列信号处理中的空间谱估计领域和人工智能中的支持向量机领域。解决了在单比特极端量化和超大规模天线阵情形，传统空间谱估计算法不仅计算量很大，而且精度较差的问题。本发明将大规模天线阵中的单比特空间谱估计建模为一个人工智能中的分类问题，并采用支持向量机方法来求解来波信号的空间谱。本发明提出的算法相对于传统算法的优势在于提高了空间谱估计的精度以及简化了接收机结构，并且能够同时估计多个信号源的角度。本发明用于对空间谱进行估计。
-
公开(公告)号：CN107102292B
公开(公告)日：2019-11-15
申请号：CN201710464010.4
申请日：2017-06-19
Applicant: 哈尔滨工业大学
IPC: G01S3/14
Abstract: 一种基于贝叶斯方法的目标方位跟踪方法，属于阵列信号处理领域。解决了低信噪比情况下，基于空间类DOA跟踪方法精度差，以及粒子滤波DOA跟踪方法需要的已知条件过多的问题。在本发明利用泰勒展开公式，将角度慢变模式下的DOA跟踪建模为一个动态模型，并基于贝叶斯理论，将角度的跟踪转化为概率模型中的参数估计问题，根据前一时刻的信号到达角度、信号功率和噪声功率的估计值，以及当前时刻的观测值，利用EM算法，对前一时刻的信息进行校正，进而实现对信号到达角度的追踪。本发明主要用于对目标方位进行跟踪。
-
公开(公告)号：CN106411795B
公开(公告)日：2019-07-16
申请号：CN201610933561.6
申请日：2016-10-31
Applicant: 哈尔滨工业大学
IPC: H04L25/02
Abstract: 一种非重构框架下的信号估计方法，属于认知无线电参数识别和估计领域。为了解决现有采用重构算法恢复信号时，存在重构速度慢，准确性差的问题。估计方法包括：建立采样信号循环谱向量和采样信号循环自相关向量rx的联系；建立采样信号压缩测量值自相关向量rz和采样信号循环自相关向量rx的联系；建立采样信号压缩测量值自相关向量rz和采样信号循环谱向量的关系；删除采样信号循环谱向量中的冗余元素，获得简化后的采样信号循环谱向量利用采样信号压缩测量值自相关向量rz和基于块稀疏的正交匹配追踪算法，对简化后的采样信号循环谱向量进行重构，获得原始信号循环谱；根据原始信号循环谱提取原始信号的参数信息。主要用于提取信号参数信息。
-
公开(公告)号：CN106772223B
公开(公告)日：2019-04-16
申请号：CN201611109952.2
申请日：2016-12-06
Applicant: 哈尔滨工业大学
IPC: G01S3/14
Abstract: 一种基于逻辑回归的单比特空间谱估计方法，涉及阵列信号处理中的空间谱估计领域和人工智能中的逻辑回归领域。解决了在单比特极端量化和超大规模天线阵情形，传统空间谱估计算法不仅计算量很大，而且精度较差的问题。本发明方法中首先对单比特接收数据进行建模获得样本模型，并将观测模型转化到实数域以便于后续处理。建模之后，将空间谱看成线性分类器的系数，将流型矩阵看成输入的样本，将阵列观测输出作为输入样本对应的输出，这样就把空间谱估计转化为一个线性分类问题。在本发明算法的最后，采用逻辑回归算法对该线性分类问题进行求解，得到的分类系数及对应于阵列输入信号产生的空间谱。本发明主要用于空间谱的估计。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
